超分辨显微成像在生物、医学、化学、纳米技术等领域的研究中起着至关重要的作用。随机光学重构显微技术(stochastic　optical　reconstruction　microscopy,　STORM)是超分辨显微成像中广泛应用的一种技术。荧光分子定位算法是其核心步骤之一，定位算法的精度决定了超分辨图像的质量；另外，需要处理的数据量大，算法的执行时间也是一项重要指标。为了提高定位精度并减少执行时间，本文提出了一种用于STORM超分辨成像的荧光分子定位算法，并用统一计算设备架构(Compute　Unified　Device　Architecture，CUDA)对其加速。
STORM技术在图像采集时通过随机地激发少量分散的荧光分子发光得到一帧图像，对于这样呈稀疏分布的荧光分子，现有定位算法包括算术法和拟合法两大类。本文首先对这两类算法分别作了阐述，分析了其优缺点，并对GPU在并行计算上的优势和CUDA技术作了介绍。作者在已有的基本算法的基础上，设计了一种基于高斯拟合的荧光分子定位算法。该算法对图像进行预处理之后，首先初步确定荧光分子所取的区域，再对其用最小二乘法进行高斯拟合，最后进行定位点的筛选和叠加。分别使用仿真数据和STORM实验采集的真实数据对算法精度做了验证，并与相关算法做了比较。针对处理的数据量大的问题，本文使用CUDA计算平台对所设计的算法进行加速。综合考虑算法特点以及所用设备的资源、计算能力等情况，设计了加速方案，并对比了各个计算过程GPU和CPU的执行时间。
实验结果表明，本文设计的算法能够精准地完成荧光分子的定位，与相关算法对比，精度有了明显的提升。将此算法用CUDA技术加速之后，加速比可达到数十倍。所设计的算法能够用于STORM高精度实时超分辨成像。